4157 篇论文
本研究表明，图像嵌入式提示注入对牙科视觉语言模型构成了显著的跨厂商安全风险，揭示了尽管所有测试的商业和开源系统都存在漏洞，但基于OCR的净化和具备溯源意识的治理策略可以在有效缓解这些攻击的同时，保持临床诊断的准确性。
本文提出了一种新颖的边界感知深度仿射注意力网络，该网络集成了边界词对关系建模、动态卷积和深度仿射注意力，以有效解决实体边界识别和长程依赖建模中的挑战，并在五个基准数据集上的平铺及嵌套命名实体识别任务中均达到了最先进的性能。
本文介绍并评估了 Bernardes 分支感知毕达哥拉斯残差场（Bernardes Branch-Aware Pythagorean Residual Fields），这是一种专门的非制造几何处理诊断工具，旨在为探索性网格包络分析生成分支兼容的轮廓线索，同时明确承认其与标准距离场相比在坐标依赖性、分辨率敏感性以及缺乏制造保证方面的局限性。
本研究提出了一种利用 YOLO 架构的深度学习框架来检测并分类八种驾驶员活动，证明了 YOLOv8n 模型在包含 5,422 张图像的数据集上实现了 96.3% mAP 的卓越实时性能，从而为增强智能交通系统中的道路安全提供了有效的解决方案。
这项针对 136 篇文章的系统性文献综述确定了关于统一建模语言（UML）符号质量与可理解性的 14 个关键研究视角，揭示了向测试与评估发展的增长趋势，并提出了包括与低代码平台集成以及增强自动化评估在内的未来研究方向。
本文提出了可解释边缘智能（IEI）框架，该框架结合了 LSTM-Autoencoder 与经过 K-Means 压缩的 KernelSHAP，旨在实现对 5G 私有网络中服务质量（QoS）异常的实时、因果根因分析，并证明了高准确率以及为防止部署失败而进行局部校准的至关重要性。
本文提出了脑-行为对齐网络跨模态对比学习 Transformer（BBAN-CMCLT），这是一种新型多模态深度学习模型，通过有效对齐大脑与行为模式，整合了 fMRI、面部、眼动追踪及临床数据，在检测自闭症谱系障碍方面达到了 98.97% 的最先进准确率。
该论文提出了 CPBS，一种协作式代理盲签名方案，该方案利用 (t,n)-门限机制在去中心化的对等节点之间分配信任，旨在为资源受限的医疗物联网网络提供安全、隐私保护且可审计的数据收集，并与现有的中心化解决方案相比，显著降低了计算和通信开销。
本文提出了 CASPA，一种结合了内容感知全局聚合（Content-Aware Global Aggregation）与空间先验通道注意力（Spatial prior Channel Attention）模块的新型超分辨率网络，旨在克服现有视觉 Transformer 的局限性，从而实现对唐卡图像的高保真重建，并增强长程语义捕获与精细几何细节的保留。
本文介绍了一种难度感知样本分配（Difficulty-Aware Sample Allocation, DASA）框架，该框架与架构无关，通过结合预测歧义性、训练损失、类别稀缺性和边界复杂性的多因子难度评分，动态地为样本分配更强的增强数据，从而提升语义分割性能。